IBM 与 UC Berkeley 用 ITBench 和 MAST 诊断企业级智能体为何失败
IBM Research 与 UC Berkeley 用 MAST 失败分类法分析 ITBench 中 310 条 SRE 执行轨迹，覆盖 Gemini-3-Flash、Kimi-K2 和 GPT-OSS-120B 三类模型。
#Agent
#Agent
Hugging Face BlogAI 评分
Hugging Face 介绍 Gradio gr.HTML 单文件构建任意 Web 应用
Hugging Face 博客介绍 Gradio 6 中 gr.HTML 的新能力，支持自定义模板、作用域 CSS 和 JavaScript 交互，可在单个 Python 文件中完成前端、后端与状态管理，无需构建步骤即可部署到 Hugging Face Spaces。
推荐理由：原文给出 gr.HTML 的模板、状态同步与子类化写法，读者可据此把自定义组件直接接入现有 Gradio 流程。
OpenAI NewsAI 评分 OpenAI 与 Paradigm 推出 EVMbench 智能合约安全基准
OpenAI 与 Paradigm 联合推出 EVMbench，用于评估 AI 智能体检测、修补和利用高危智能合约漏洞的能力。该基准聚焦高严重性漏洞的发现、修复与攻击三类任务。
Hugging Face 发布 CUDA 内核 Agent Skill，Claude 与 Codex 为 LTX-Video 和 Qwen3-8B 生成内核
Hugging Face 发布 cuda-kernels Agent Skill，让 Claude、Codex 等编码智能体为 diffusers 和 transformers 项目编写生产级 CUDA 内核，并生成 PyTorch 绑定与基准脚本。
推荐理由：原文给出可安装的 CUDA 内核技能与完整基准数据，读者可据此判断智能体写内核的可行边界。
Google DeepMind精选AI 评分Google DeepMind 发布 Gemini 3 Deep Think 升级，面向科研与工程推理
Google DeepMind 发布 Gemini 3 Deep Think 重大升级，这一专用推理模式面向科学、研究与工程难题。
推荐理由：官方给出 Deep Think 在数学、编程与科学基准上的具体成绩和 API 开放路径，可据此判断专业推理模式的当前水位。
Hugging Face 与 Meta 的 OpenEnv 实践：在真实环境中评测工具调用智能体
Hugging Face 博客介绍 Meta 与 Hugging Face 合作的开源框架 OpenEnv，它用 gym 风格 API（reset、step、action、observations）和标准 MCP 工具调用接口，把智能体接到浏览器、代码仓库、日历等真实系统而非模拟环境中评测。
推荐理由：Meta 与 Hugging Face 的 OpenEnv 框架及 Turing 的 Calendar Gym 给出了智能体在真实权限与多步环境下的失败模式数据。
OpenAI NewsAI 评分 Harness engineering：在智能体优先的世界中利用 Codex
OpenAI 技术人员 Ryan Lopopolo 提出 Harness engineering，探讨在智能体优先的世界中如何利用 Codex。文章聚焦于围绕 Codex 构建工程化支撑体系，以适应以 AI 智能体为核心的开发范式。
Google ResearchAI 评分Google 开源 DialogLab：编写、模拟与测试动态人-AI 群组对话
Google Research 在 ACM UIST 2025 发布开源原型框架 DialogLab，用于编写、模拟和测试动态的人-AI 群组对话，将对话的社交设定与时间推进解耦，支持拖拽式场景搭建、实时预览与验证仪表盘。14 名游戏设计、教育和社会科学领域参与者的评测显示，human control 模式在参与度、有效性和真实感上显著优于 autonomous 与 reactive 模式。
- Google DeepMind精选AI 评分
Google DeepMind 发布两篇论文，用 Gemini Deep Think 推进数学与科学发现
Google DeepMind 发布两篇论文，介绍在数学家、物理学家和计算机科学家指导下，用 Gemini Deep Think 模式解决数学、物理与计算机科学领域的专业研究问题。
推荐理由：DeepMind 公开了 Gemini Deep Think 在数学、物理与计算机科学研究中的两篇论文，读者可了解其智能体工作流与分级标准。
- Google ResearchAI 评分
Google 如何用 AI 工具重新定义通用设计以提升无障碍体验
Google 提出 Natively Adaptive Interfaces（NAI）框架，用多模态 AI 工具打造更具适应性的无障碍应用，以 agent 驱动的动态模块取代静态导航。原型包括面向盲人与低视力用户的 StreetReaderAI，以及基于 Gemini 模型、可实时语音调整描述细节的 Multimodal Agent Video Player（MAVP）。
OpenAI News精选AI 评分 OpenAI 发布企业级智能体平台 OpenAI Frontier
OpenAI 发布企业平台 OpenAI Frontier，用于构建、部署和管理 AI 智能体。该平台提供共享上下文、入职引导、权限管理和治理能力。
推荐理由：OpenAI 面向企业推出智能体平台，给出共享上下文、权限与治理等能力方向，可供判断企业级 Agent 落地形态。
OpenAI News精选AI 评分 OpenAI 发布 GPT-5.3-Codex
OpenAI 发布 GPT-5.3-Codex，这是一个 Codex 原生的智能体，将前沿编码能力与通用推理结合，用于支持长周期、真实世界的技术工作。
推荐理由：OpenAI 发布 Codex 原生的 GPT-5.3-Codex，读者可据此了解其编码能力与通用推理结合后的定位。
OpenAI NewsAI 评分 OpenAI 详解 Codex App Server：如何嵌入 Codex 智能体
OpenAI 介绍 Codex App Server，这是一个双向 JSON-RPC API，用于把 Codex 智能体嵌入到应用中。该接口支持流式进度、工具调用、审批和 diff 等能力。
H Company 发布 Holo2-235B-A22B Preview，UI 定位刷新 SOTA
H Company 发布迄今最大的 UI 定位模型 Holo2-235B-A22B Preview，在 ScreenSpot-Pro 上以 78.5% 刷新 SOTA，OSWorld G 达 79.0%，已在 Hugging Face 开放。
OpenAI NewsAI 评分 Snowflake 与 OpenAI 达成 2 亿美元合作，将前沿智能引入企业数据
Snowflake 与 OpenAI 达成 2 亿美元合作协议，把前沿智能引入企业数据，让 AI 智能体和洞察直接在 Snowflake 中运行。
OpenAI News精选AI 评分 OpenAI 推出 macOS 版 Codex app
OpenAI 发布面向 macOS 的 Codex app，定位为 AI 编码与软件开发的指挥中心，支持多个智能体、并行工作流和长时间运行的任务。
推荐理由：官方给出 Codex app 的定位与多智能体、并行工作流等能力，读者可据此判断 AI 编码工具形态的变化。
OpenAI NewsAI 评分 OpenAI 如何构建内部 AI 数据智能体
OpenAI 构建了一个内部 AI 数据智能体，结合 GPT-5、Codex 和记忆能力对海量数据集进行推理，可在数分钟内给出可靠洞察。
Gradio 团队推出开源 Python 库 Daggr，用代码串联 AI 工作流并自动生成可视化画布
Gradio 团队发布开源 Python 库 Daggr，用于把 Gradio 应用、ML 模型和自定义函数串联成 AI 工作流，并自动生成可视化画布。它支持检查任意节点输出、修改输入并单独重跑某一步，还提供状态持久化和 sheets 多工作区，安装只需 Python 3.10 以上并执行 pip install daggr。
推荐理由：原文给出代码优先的编排方式和可视化画布，读者可据此判断它是否适合替代现有调试脚本。
- Google Research精选AI 评分
Google Research 发布智能体系统扩展研究：多智能体并非越多越好
Google Research 发布论文《Towards a Science of Scaling Agent Systems》，对 180 种智能体配置做大规模对照评测，覆盖 Finance-Agent、BrowseComp-Plus、PlanCraft、Workbench 四个基准和 GPT、Gemini、Claude 三个模型家族。
推荐理由：通过 180 种智能体配置的对照实验，给出多智能体架构在并行与串行任务上的量化差异，可据此调整编排策略。
Hugging Face 发布 upskill：用 Claude 生成 CUDA kernel 技能并教给开源模型
Hugging Face 发布新工具 upskill，可用大模型生成并评测 agent skill，再交给更小或本地模型使用。文章以用 Claude Opus 4.5 编写 diffusers 模型 CUDA kernel 为例，upskill 会基于 agent trace 生成技能和测试用例，并对比有无技能时的准确率与 token 消耗。
推荐理由：原文给出用大模型生成并评测 agent skill 再迁移到小模型的完整流程，可复用到其他专业任务。
OpenAI NewsAI 评分 OpenAI 如何保障 AI 智能体点击链接时的数据安全
OpenAI 说明了 AI 智能体打开链接时保护用户数据的机制，通过内置防护防止基于 URL 的数据外泄和提示词注入。
Mistral AI精选AI 评分
Mistral 发布终端编码智能体 Vibe 2.0，由 Devstral 2 驱动
Mistral 发布终端编码智能体 Mistral Vibe 2.0，由 Devstral 2 模型系列驱动，新增自定义子智能体、多选项澄清、斜杠命令技能和统一智能体模式，CLI 修复持续自动更新。
推荐理由：官方给出 Vibe 2.0 的自定义子智能体、斜杠命令技能与定价变化，可据此判断终端编码智能体的使用成本与工作流。
解锁 GPT-OSS 的智能体 RL 训练：一次实践复盘
Hugging Face 博客复盘了用 verl 框架对 GPT-OSS 进行智能体强化学习训练时遇到的问题与修复。团队发现 GPT-OSS-20B 训练初期出现 KL 散度和熵爆炸、奖励不升，根因是 MoE 架构下双前向传播导致新旧 log-prob 不一致，使 PPO 的 importance sampling ratio 偏离 1；修复后该方案同样适用于 GPT-OSS-120B。
OpenAI NewsAI 评分 TRUSTBANK 用 AI 智能体个性化推荐故乡税礼品
TRUSTBANK 与 Recursive 合作，基于 OpenAI 模型打造了 Choice AI，通过个性化对话式推荐简化故乡税（Furusato Nozei）礼品的挑选流程。
OpenAI NewsAI 评分 Codex 智能体循环技术解析：Codex CLI 如何编排模型、工具与提示词
OpenAI 技术解析 Codex 智能体循环，说明 Codex CLI 如何借助 Responses API 编排模型、工具、提示词与性能。
OpenAI NewsAI 评分 Praktika 如何用 GPT-4.1 和 GPT-5.2 打造对话式语言学习
Praktika 基于 GPT-4.1 和 GPT-5.2 构建自适应 AI 导师，通过对话方式提供个性化课程、跟踪学习进度，帮助学习者实现真实场景的语言流利度。
AssetOpsBench：弥合 AI 智能体基准与工业现实之间的差距
Hugging Face 发布 AssetOpsBench，一个面向工业资产运维的智能体评测基准，包含 2.3M 传感器遥测点、140+ 场景、4.2K 工单和 53 种结构化故障模式，覆盖 4 个智能体。
Hugging Face 介绍 Open Responses 开放推理标准
OpenAI 发起、开源社区共建、Hugging Face 生态支持的 Open Responses 发布，它基于 Responses API 开源扩展，定位为面向智能体的开放推理标准。
推荐理由：原文给出 Open Responses 的规范要点与迁移差异，读者可据此判断现有 Responses API 客户端需要改什么。
OpenAI NewsAI 评分 Netomi 如何用 GPT-4.1 与 GPT-5.2 将智能体系统扩展至企业级
Netomi 借助 GPT-4.1 和 GPT-5.2 扩展企业级 AI 智能体，通过并发、治理与多步推理支撑可靠的生产工作流。该方案面向企业生产环境，强调智能体系统在规模化部署中的稳定性与可控性。
OpenAI News精选AI 评分 OpenAI 推出 ChatGPT Health
OpenAI 推出 ChatGPT Health，这是一个独立的使用体验，可安全连接用户的健康数据与 App。该功能强调隐私保护，并采用由医生参与设计的方案。
推荐理由：OpenAI 推出独立的健康使用场景，读者可了解它如何接入健康数据与 App 并处理隐私。
NVIDIA 用 DGX Spark 与 Reachy Mini 搭建桌面智能体教程
NVIDIA 在 CES 2026 发布博客，给出用 DGX Spark 与 Reachy Mini 搭建桌面个人智能体的分步教程，演示代码已开源。
Hugging Face 推出 AprielGuard：面向现代 LLM 系统的 8B 安全护栏模型
Hugging Face 发布 8B 参数安全护栏模型 AprielGuard，可检测 16 类安全风险及提示注入、越狱、思维链污染、记忆投毒、多智能体攻击等对抗攻击，并覆盖工具调用与推理轨迹等智能体工作流。模型提供推理与非推理两种模式，兼顾可解释分类与低延迟生产部署。训练数据由 Mixtral-8x7B 等合成生成，并借助 NVIDIA NeMo Curator 构建多轮对话攻击数据集。
OpenAI NewsAI 评分 OpenAI 用强化学习红队持续加固 ChatGPT Atlas 抵御提示词注入
OpenAI 正在用强化学习训练的自动化红队加固 ChatGPT Atlas，抵御提示词注入攻击。这一发现与修补的循环可提前识别新型攻击手法，在 AI 愈发智能体的趋势下强化浏览器智能体的防御。
OpenAI News精选AI 评分 OpenAI 开放开发者向 ChatGPT 提交应用
OpenAI 宣布开发者可以向 ChatGPT 提交应用，经审核通过后会在产品内新的应用目录中展示，便于用户发现。官方同时更新了工具、指南和 Apps SDK，帮助开发者构建把真实操作带入 ChatGPT 的对话原生体验。
推荐理由：OpenAI 开放 ChatGPT 应用提交与审核入口，开发者可据此判断自家应用进入该生态的路径。
IBM Research 的 CUGA 上线 Hugging Face Spaces，开源可配置通用智能体
CUGA（Configurable Generalist Agent）是 IBM Research 推出的开源可配置通用智能体，采用 Apache 2.0 许可，现已集成到 Hugging Face Spaces 供试用。
- Google DeepMind精选AI 评分
Google DeepMind 发布升级版 Gemini 2.5 Flash Native Audio，并推出实时语音翻译
Google DeepMind 发布升级版 Gemini 2.5 Flash Native Audio，面向实时语音智能体，在函数调用、指令遵循和多轮对话三方面做了改进。
推荐理由：官方给出 Gemini 2.5 Flash Native Audio 在函数调用、指令遵循和多轮对话上的具体提升数据，可据此判断语音智能体的可用性变化。
OpenAI NewsAI 评分 BNY 借助 OpenAI 打造“人人可用、处处可用”的 AI
BNY 正通过 OpenAI 在全企业范围扩大 AI 应用，其平台 Eliza 已支持 20000 多名员工构建 AI 智能体，以提升效率并改善客户成果。
OpenAI NewsAI 评分 Podium 如何用 GPT-5 为 10,000+ 中小企业打造 AI 智能体
Podium 基于 OpenAI 的 GPT-5 构建了 AI 队友“Jerry”，为 10,000+ 中小企业提供服务，并带来 300% 增长。该智能体正在改变实体商家服务客户的方式。
Hugging Face 让 Codex 通过 HF-skills 端到端微调开源模型
Hugging Face 发布教程，展示如何让 OpenAI Codex 借助 Hugging Face Skills 仓库完成端到端模型微调实验。
推荐理由：原文给出可复用的 HF-skills 配置与端到端微调流程，读者可据此把训练实验交给编码智能体执行。
OpenAI NewsAI 评分 Scout24 如何用 GPT-5 打造下一代房产搜索
Scout24 基于 GPT-5 打造了一款对话式助手，通过追问澄清、生成摘要和个性化房源推荐，重新定义房产搜索体验。